CN106292289B - 流程工业控制回路对象的混合精英随机搜索优化方法 - Google Patents
流程工业控制回路对象的混合精英随机搜索优化方法 Download PDFInfo
- Publication number
- CN106292289B CN106292289B CN201610844731.3A CN201610844731A CN106292289B CN 106292289 B CN106292289 B CN 106292289B CN 201610844731 A CN201610844731 A CN 201610844731A CN 106292289 B CN106292289 B CN 106292289B
- Authority
- CN
- China
- Prior art keywords
- parameter
- temperature
- model
- group
- control loop
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了流程工业控制回路对象的混合精英随机搜索优化方法，将MERSO方法应用于流程工业生产装置控制回路对象模型的参数辨识及操作参数优化时，根据装置相应闭环控制回路的输入输出数据，较准确地估计过程对象模型的参数，随后设计回路控制器的动态最优参数，实现石化生产装置中温度、压力、液位、流量等过程回路动态最优控制。
Description
技术领域
本发明属于流程工业生产技术领域，涉及一种随机搜索优化方法—混合精英随机搜索优化方法，该方法可以应用于流程工业生产装置控制回路对象模型的参数辨识及操作参数优化。
背景技术
在控制理论领域中，对控制对象模型的辨识方法类别有很多，但对于迅速发展的现代化流程工业，如大型乙烯、催化裂化等石化装置，系统复杂程度越来越高，传统的经典系统辨识方法难以达到令人满意的效果，从而滋生了先进控制理论及优化方法的发展，而对于目前绝大多数先进控制理论方法都是基于对象模型的先进方法，所以对系统对象模型的辨识及控制参数的优化的要求不断提高。
在众多的优化算法中，上世纪80年代初期发展起来的随机搜索方法在石化工程界得到了广泛的应用，该方法的特点是简单易用，并且能解决较复杂的问题，特别是在石化装置闭环控制系统参数估计及控制器参数优化应用中发挥了其独特的优点。但对于高阶系统，该方法的计算效率不高，耗时长，难以实现对控制器参数的在线整定；并且随机搜索优化方法容易导致局部最优解，得不到满意的结果。
发明内容
为了解决随机搜索优化方法在过程对象辨识和控制器参数优化过程中存在的问题，本发明提出了一种混合精英随机搜索优化(MERSO)方法，该方法一种结合了精英策略、正交分析思想的全新随机搜索优化方法。通过引进正交分析思想，保留精英解的方法，提高了收敛速度，搜索效率、精度及准确度均大大提高，有效克服局部最优的情况。
将MERSO方法应用于流程工业生产装置控制回路对象模型的参数辨识及操作参数优化时，可根据装置相应闭环控制回路的输入输出数据，较准确地估计过程对象模型的参数，随后设计回路控制器的动态最优参数，实现石化生产装置中温度、压力、液位、流量等过程回路动态最优控制。
温度变量一般采用二阶纯滞后对象模型来表示，如下式(1)所示：
其中Gm(s)为温度对象的传递函数，a,b,c,d分别为温度对象模型参数，τ为过程对象纯滞后时间，s为拉普拉斯算子。
PID控制器模型如下式(2)所示：
其中Gc(s)表示PID控制器传递函数模型，K为PID控制器比例参数，Ti为PID控制器积分参数，Td为PID控制器微分参数。
MERSO方法的主要步骤如下：
第一步：确定有效的温度对象的建模数据、性能指标与约束条件。
不需要外加任何测试信号，直接根据数据挖掘技术获得有效的温度对象建模数据，包括温度闭环控制系统的输入与输出数据，并以此估计过程模型的参数a,b,c,d,τ。根据具体的装置过程生产的要求，提出相应的性能指标与约束条件。
在估计温度过程模型参数时，选用误差平方和的性能指标如下式(3)所示：
式中F1为误差平方和的性能指标，y(t)为温度控制回路的输出，为温度控制回路输出的估计值,t为时间。
在设计温度回路控制器参数时，采用ITAE(时间误差绝对值积分)性能指标如下式(4)所示：
其中，F2为ITAE性能指标，y(t)为温度控制回路的输出，Sv(t)为温度控制回路的设定值。
约束条件如下式(5)所示：
或
式中，ymax(t)为温度控制回路输出响应的稳态值。
第二步：随机产生m组初始值及搜索半径，每组初始值具有n个待估计的模型参数；
选择足够多的随机数(例如2000个)，使其数值在-0.5～+0.5之间，并将他们分为100组，每组20个，用矩阵表示为y(100,20)。
任选m组初始值初始搜索半径可选为初值的若干倍(如2.0倍)，如下式(6)所示：
式中，r为搜索半径，其通式是其中j＝0,1...20表示迭代次数，k＝0,1...P表示每组每次求解状态方程的次数；m表示每次迭代计算的组数；n表示待估计的模型参数的个数。
第三步：对m组初始值均采用随机搜索优化方法获得m组本次局部最优解；
可按下式计算过程模型的参数或设计控制器参数，k＝0,1...P，P一般可取10-50。
将这些参数带入温度闭环控制系统的方程，求解出y(t)，再计算出性能指标F1、F2，然后继续在随机数中选出n×m个ykm，重复上述计算，直至第P组，从中获得m个本次局部最优解。
第四步：从m个本次局部最优解中选择最好的三个解，作为本次迭代精英解，对三个精英解，作三水平正交分析法，得到一组本次迭代最优解。
第五步：其他的m-3个非精英解向本次迭代最优解逼近；
根据经验，定义收敛因子为：
在每一次迭代计算结束之后，将搜索半径缩小倍：
第六步：重复步骤第三步进行下一次迭代计算，直至迭代20次，可获得满意的结果。本方法计算流程如图1所示。
本发明所提出的方法具有以下几个优点：
1、该方法针对流程工业生产过程控制回路提出的MERSO随机搜索算法搜索精度及准确度大大提高，有效克服常规搜索算法局部最优的缺陷。
2、MERSO方法应用于流程工业生产过程闭环控制回路控制器参数优化时，可设计出兼顾鲁棒性和响应速度的精英参数，达到强鲁棒性的快速小超调或无超调的控制效果。
附图说明
图1 MERSO优化方法流程图
图2 TIC381023回路对象采样数据和模型辨识结果仿真曲线
图3 PID控制器参数优化后的输出响应曲线
具体实施方式
针对本发明所提出的方法，下面结合一个实例予以说明。
某化工装置精馏塔灵敏板温度回路TIC381023，在工艺投自动时，由于控制器参数整定不合适，导致温度得不到平稳控制，下面结合本发明提出的方法对对象模型进行辨识，并且对控制器参数进行优化整定，以达到精馏塔灵敏板温度平稳控制的目的。
回路原PID参数为：比例参数K＝0.2；积分参数Ti＝2.5；微分参数Td＝0。现采用本发明提出的MERSO随机搜索方法对模型参数进行辨识，选取式(3)作为灵敏板温度回路对象模型参数辨识的性能指标，选取分布在区间[-0.50.5]上的2000个随机数，并将他们分为100组，每组20个，并选择12组初始值及搜索半径，由现场采集的回路数据，按本发明方法进行辨识，得到灵敏板温度对象模型参数如表1所示：
表1对象模型参数辨识结果
| 参数名称 | a | b | c | d | τ |
| 参数值 | 0.069 | 0.42 | 0.54 | 1.41 | 0.11 |
对上述参数辨识结果进行仿真，其响应曲线见图2所示。
图中MERSOOBJ即为辨识模型的响应曲线图，可以看出，通过采用本发明方法，所得到的对象响应曲线与实际对象的响应曲线几乎重合，说明辨识效果良好。
得到上述模型参数之后，同样采用本发明方法对PID控制器的参数进行优化。首先采用式(4)作为PID参数优化的性能指标，并且式(5)作为约束条件；选取分布在区间[-0.50.5]上的随机数，选择10组初始值和搜索半径，根据本发明采用的方法，可得优化后的PID参数如表2所示：
表2回路PID控制器参数优化结果
| 参数名称 | K | T<sub>i</sub> | T<sub>d</sub> |
| 参数值 | 0.68 | 0.4 | 0.23 |
采用表2中所得到的优化的PID控制器参数进行仿真，其输出响应效果如图3所示
通过上述具体实例，可以看出，通过本方法所设计的PID控制器整定参数具有响应快、小超调、鲁棒性好的特点。说明本方法所提出的方法不但具有理论优势，并且在工程应用中也可以发挥出其出色的效果。
Claims (1)
1.流程工业控制回路对象的混合精英随机搜索优化方法，其特征在于：将混合精英随机搜索优化方法应用于流程工业生产装置控制回路对象模型的参数辨识及操作参数优化时，根据装置相应闭环控制回路的输入输出数据，较准确地估计过程对象模型的参数，随后设计回路控制器的动态最优参数，实现石化生产装置中温度、压力、液位、流量等过程回路动态最优控制；
温度变量一般采用二阶纯滞后对象模型来表示，如下式(1)所示：
其中Gm(s)为温度对象的传递函数，a,b,c,d分别为温度对象模型参数，τ为过程对象纯滞后时间，s为拉普拉斯算子；
PID控制器传递函数模型如下式(2)所示：
其中Gc(s)表示PID控制器传递函数模型，K为PID控制器比例参数，Ti为PID控制器积分参数，Td为PID控制器微分参数；
MERSO方法的主要步骤如下：
第一步：确定有效的温度对象的建模数据、性能指标与约束条件；
不需要外加任何测试信号，直接根据数据挖掘技术获得有效的温度对象建模数据，包括温度闭环控制系统的输入与输出数据，并以此估计过程模型的参数a,b,c,d,τ；根据具体的装置过程生产的要求，提出相应的性能指标与约束条件；
在估计温度过程模型参数时，选用误差平方和的性能指标如下式(3)所示：
式中F1为误差平方和的性能指标，y(t)为温度控制回路的输出，为温度控制回路输出的估计值,t为时间；
在设计温度回路控制器参数时，采用ITAE即时间误差绝对值积分性能指标如下式(4)所示：
其中，F2为ITAE性能指标，y(t)为温度控制回路的输出，Sv(t)为温度控制回路的设定值；
约束条件如下式(5)所示：
式中，ymax(t)为温度控制回路输出响应的稳态值；
第二步：随机产生m组初始值及搜索半径，每组初始值具有n个待估计的模型参数；
选择足够多的随机数，使其数值在-0.5～+0.5之间，并将他们分为100组，每组20个，用矩阵表示为y(100,20)；
任选m组初始值初始搜索半径可选为初值的若干倍，如下式(6)所示：
式中，r为搜索半径，其通式是其中j＝0,1...20表示迭代次数，k＝0,1...P表示每组每次求解状态方程的次数；m表示每次迭代计算的组数；n表示待估计的模型参数的个数；
第三步：对m组初始值均采用随机搜索优化方法获得m组本次局部最优解；
按下式计算过程模型的参数或设计控制器参数，k＝0,1...P，P一般可取10-50；
将这些参数带入温度闭环控制系统的方程，求解出y(t)，再计算出性能指标F1、F2，然后继续在随机数中选出n×m个ykm，重复上述计算，直至第P组，从中获得m个本次局部最优解；
第四步：从m个本次局部最优解中选择最好的三个解，作为本次迭代精英解，对三个精英解，作三水平正交分析法，得到一组本次迭代最优解；
第五步：其他的m-3个非精英解向本次迭代最优解逼近；
根据经验，定义收敛因子为：
在每一次迭代计算结束之后，将搜索半径缩小倍：
第六步：重复步骤第三步进行下一次迭代计算，直至迭代20次，获得满意的结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610844731.3A CN106292289B (zh) | 2016-09-22 | 2016-09-22 | 流程工业控制回路对象的混合精英随机搜索优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610844731.3A CN106292289B (zh) | 2016-09-22 | 2016-09-22 | 流程工业控制回路对象的混合精英随机搜索优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106292289A CN106292289A (zh) | 2017-01-04 |
| CN106292289B true CN106292289B (zh) | 2019-01-04 |
Family
ID=57713226
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610844731.3A Active CN106292289B (zh) | 2016-09-22 | 2016-09-22 | 流程工业控制回路对象的混合精英随机搜索优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106292289B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108170024B (zh) * | 2017-12-17 | 2021-02-05 | 北京世纪隆博科技有限责任公司 | 一种广义智能内部模型集pid控制器设计方法 |
| CN107942678B (zh) * | 2017-12-17 | 2021-03-02 | 北京世纪隆博科技有限责任公司 | 一种无外加测试信号在线闭环建立连续对象模型的方法 |
| CN108089443B (zh) * | 2017-12-17 | 2020-12-08 | 北京世纪隆博科技有限责任公司 | 一种基于混合精英圈养优化的灵敏板温度智能建模方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102206741A (zh) * | 2011-05-05 | 2011-10-05 | 中冶南方(武汉)威仕工业炉有限公司 | 一种罩式退火炉钢卷堆垛组合优化方法 |
| CN102437993A (zh) * | 2011-12-15 | 2012-05-02 | 上海交通大学 | 基于遗传算法的prt集位置搜索方法 |
| CN105096008A (zh) * | 2015-08-28 | 2015-11-25 | 浙江大学 | 一种流程工业生产系统的控制方法 |
-
2016
- 2016-09-22 CN CN201610844731.3A patent/CN106292289B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102206741A (zh) * | 2011-05-05 | 2011-10-05 | 中冶南方(武汉)威仕工业炉有限公司 | 一种罩式退火炉钢卷堆垛组合优化方法 |
| CN102437993A (zh) * | 2011-12-15 | 2012-05-02 | 上海交通大学 | 基于遗传算法的prt集位置搜索方法 |
| CN105096008A (zh) * | 2015-08-28 | 2015-11-25 | 浙江大学 | 一种流程工业生产系统的控制方法 |
Non-Patent Citations (1)
| Title |
|---|
| 计算智能方法研究及其在流程工业中应用;李澄非;《中国博士学位论文全文数据库信息科技辑》;20070515(第5期);第I138-4页 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106292289A (zh) | 2017-01-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106502092B (zh) | 一种采用改进混合粒子群算法的热工过程模型参数辨识方法 | |
| CN104537033B (zh) | 基于贝叶斯网络和极限学习机的区间型指标预报方法 | |
| CN106292289B (zh) | 流程工业控制回路对象的混合精英随机搜索优化方法 | |
| CN106779148B (zh) | 一种多模型多特征融合的高速铁路沿线风速预测方法 | |
| CN104614985B (zh) | 一种基于非线性规划的高阶系统最优降阶方法 | |
| CN105045233B (zh) | 火电厂热工系统中基于时间量度的pid控制器的优化设计方法 | |
| CN107423414A (zh) | 一种基于信息传递模型的流程工业复杂机电系统故障溯源方法 | |
| CN108121215B (zh) | 基于全回路重构仿真的工业控制回路性能评价方法及装置 | |
| CN105981025A (zh) | 基于序列递归滤波三维变分的实测海洋环境数据同化方法 | |
| CN104657596A (zh) | 一种基于模型迁移的大型新压缩机性能预测快速建模方法 | |
| CN104865827B (zh) | 一种基于多工况模型的抽油机采油优化方法 | |
| CN106773700B (zh) | 遗传算法优化的多模型预测控制方法 | |
| CN105912822B (zh) | 海水脱硫装置脱硫效率的神经网络模拟方法 | |
| CN105955026A (zh) | 模糊pid控制方法和装置及系统 | |
| CN103761420A (zh) | 一种火电设备性能逐步回归评测方法 | |
| CN103177289A (zh) | 一种噪声不确定复杂非线性动态系统的建模方法 | |
| CN109921426A (zh) | 基于cv-kde的风电并网系统概率潮流计算方法 | |
| CN101887260A (zh) | 一种自适应同步策略的工业过程最优控制系统及方法 | |
| CN109840335A (zh) | 基于强化t-s模糊神经网络的径向锻造凹坑预测优化方法 | |
| CN104679945A (zh) | 基于有色Petri网的系统综合评估方法 | |
| CN103558761B (zh) | 一种具有控制器输入饱和的非线性化学反应循环不确定时滞系统的控制方法 | |
| CN105512383A (zh) | 基于bp神经网络的疏浚工艺调控参量筛选方法 | |
| CN105955350A (zh) | 遗传算法优化加热炉温度的分数阶预测函数控制方法 | |
| CN109635330B (zh) | 一种基于直接法的复杂优化控制问题准确和快速求解方法 | |
| CN104898587B (zh) | 基于并行弥漫式智能搜索算法的工业过程建模系统与方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Wang Wenxin Inventor after: Li Quanshan Inventor before: Wang Wenxin Inventor before: Li Quanshan Inventor before: Wang Xi Inventor before: Xu Kaihui Inventor before: Jiao Yang Inventor before: Shi Jianfeng |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |